Las dificultades en la aplicación de big data industrial incluyen:

Las dificultades en la aplicación de big data industrial son las siguientes:

En primer lugar, es difícil utilizar la tecnología de big data y existen problemas como un volumen de datos insuficiente y una señal de datos baja. relación ruido-ruido y alta dificultad en el análisis de datos;

En segundo lugar, los big data plantean nuevos desafíos a la seguridad de la información. Por ejemplo, los big data industriales aumentan el riesgo de fugas de privacidad y plantean mayores requisitos para el almacenamiento existente. y medidas de seguridad, y big data se utilizan en nuevos métodos de ataque;

El tercero es la creación de nuevos productos inteligentes, incluido software de aplicaciones inteligentes, equipos de infraestructura inteligentes, productos independientes inteligentes, productos portátiles inteligentes y hogares inteligentes. productos, etc

El cuarto es la innovación de sistemas de aplicaciones inteligentes, como fabricación inteligente, logística inteligente, aplicaciones empresariales inteligentes, etc.

El big data industrial se refiere a la gran cantidad de datos generados por equipos industriales a alta velocidad, que corresponde al estado del equipo en diferentes momentos y es información en el Internet de las Cosas.

Este término surgió en 2012 con el concepto de Industria 4.0 y también está relacionado con la tendencia del marketing de tecnologías de la información del big data. El big data industrial también significa que las grandes cantidades de datos generados por los equipos industriales tienen su potencial. valor empresarial. Los big data industriales se pueden utilizar junto con la tecnología de Internet industrial para utilizar datos sin procesar para respaldar decisiones de gestión, como reducir los costos de mantenimiento y mejorar el servicio a los clientes.

Big data industrial se refiere al típico modelo de fabricación inteligente, desde la demanda del cliente hasta las ventas, los pedidos, la planificación, la I+D, el diseño, el proceso, la fabricación, la adquisición, el suministro, el inventario, el envío y la entrega y el servicio postventa. , Todos los aspectos del ciclo de vida del producto, como operación y mantenimiento, desguace o reciclaje y remanufactura, diversos datos y tecnologías y aplicaciones relacionadas generadas en el campo industrial.

Toma los datos del producto como núcleo, amplía enormemente el alcance de los datos industriales tradicionales y también incluye tecnologías y aplicaciones relacionadas con big data industrial. Sus principales fuentes se pueden dividir en las siguientes tres categorías: La primera categoría son los datos comerciales relacionados con la producción y las operaciones. La segunda categoría son los datos de IoT del dispositivo. La tercera categoría son los datos externos.